数据仓库建设中的数据抽取环节，常常需要增量抽取业务库数据。但业务库数据不是一层不变的，会根据时间发生状态变更，那么就需要同步更新变化数据到HIVE中。过去在Oracle上做数据仓库时，可以使用merge的方法合并新老数据。但hive中没有该功能，本文旨在通过sqoop抽取后，自动实现数据合并。
表设计
将抽取表分为三张，
- 一张_arc表，保存每日合并后的快照，根据pt字段分区
- 一张_inc表，用于保存当日抽取的增量数据，根据pt字段分区
- 一张不带后缀的表，指向最终表给后续ETL任务使用。
步骤
- 使用sqoop进行hive import，将数据导入_inc表
- 核心，使用full join、coalesce、if组合的SQL合并将inc表当日分区数据与arc更前一日分区数据合并到_arc表当日分区中。
- 最终表通过hive命令set location指向_arc当日分区。
代码要点：
merge SQL
use ods;
insert overwrite table mytable_arc partition (pt=‘20200407‘)
select coalesce(a.id,b.id), if(a.id is null, b.type, a.type), if(a.id is null, b.amt, a.amt) from (
select id, type, amt
from mytable_inc where pt=‘20200407‘
) a full join (
select id, type, amt
from mytable_arc where pt=‘20200406‘
) b on a.%s = b.%s"
hive set location
use ods;
alter table mytable set location ‘hdfs://hadoop01:9000/user/hive/warehouse/ods.db/mytable_arc/pt=20200407‘"